新華社香港９月６日電（記者丁梓懿）香港中文大學６日宣布，該校研究團隊利用人工智慧影像識別技術判讀肺癌及乳腺癌的醫學影像，準確率分別達９１％及９９％，識別過程只需３０秒至１０分鐘。研究人員稱，此項技術可大幅提升臨床診斷效率，並降低誤診率。

　　香港中文大學當日召開記者會，研究團隊負責人、中大電腦科學與工程學係教授王平安介紹了這兩項利用人工智慧係統輔助的研究：自動篩查早期肺癌及快速檢測乳腺癌轉移。

　　據介紹，早期肺癌多以肺小結節的形式出現，醫生主要通過胸腔電腦斷層掃描（ＣＴ）圖像去檢查是否存在肺小結節，而每次檢查都會有多達數百張斷層掃描圖像，醫生僅用肉眼進行判斷，費時費力。

　　該團隊採用深度學習技術判讀ＣＴ掃描圖像，通過深層神經網絡自動檢測識別出可能出現肺小結節的位置，耗時３０秒，準確率高達９１％。

　　王平安表示，深度學習技術可提升技術敏感度，剔除疑似及誤報。團隊還將聯合北京幾所醫院共同開發相關産品，以優化技術，盡早識別肺結節病變，為肺癌的早期診斷和治療提供可靠依據。

　　對于乳腺癌的檢測，醫生一般會通過乳房Ｘ光或磁共振成像掃描，檢測硬塊位置。在檢測淋巴結轉移時，醫生會切取一小塊活組織為樣本，在顯微鏡下檢查淋巴結是否轉移，以及腫瘤是良性還是惡性。而一幅數位活組織全切片圖像的解像度非常高，檔案大小可達１ＧＢ，相當于一部９０分鐘高清電影的儲存容量，令檢測過程復雜費時。

　　對此，王平安表示，團隊開發的一種新型的深層卷積神經網絡，分階段處理乳腺癌的切片圖像。首先，使用改良版的全卷積網絡（一種對圖像進行較粗略但保持高靈敏度的快速預測模型），重構出更為精密準確的預測結果，然後定位並挑選出含有淋巴結轉移的圖像。對比資深病理醫生人工檢測結果，該項自動化檢測的準確度高出２％，達到９８．７５％，耗時只需５至１０分鐘。

　　據悉，該團隊于５年前展開相關實驗。王平安表示，期望在未來的１至２年，這項自動化監測技術能在香港醫療界廣泛應用。

【糾錯】

責任編輯： 趙鳳艷